研究人员开发了一个视频-点模型(VPM),能够预测未来的多视角视频和三维点轨迹。该模型在最新论文中详细介绍,它以多视角视频历史和语言指令为条件,从不同视角预测未来视频,并在三维空间中跟踪持久场景点。VPM得到了新的模拟语料库VPM-Data和预测基准VP-WorldBench的支持,在视频保真度和三维运动精度方面有所提高,并增强了机器人控制能力。 AI
影响 该模型可以推进机器人控制,并提高复杂环境中三维场景预测的准确性。
排序理由 该集群包含一篇详细介绍新模型和基准的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →